L'intelligence artificielle en psychiatrie de l'enfant et de l'adolescent : une revue critique des usages, des preuves et des enjeux relationnels
[Artificial intelligence in child and adolescent psychiatry: A critical review of uses, evidence and relational stakes].
L’essentiel
Cette revue critique examine les utilisations actuelles et émergentes de l'intelligence artificielle en psychiatrie de l'enfant et de l'adolescent à travers trois domaines majeurs : le trouble du spectre de l'autisme, le TDAH, ainsi que la dépression et le risque suicidaire. L'analyse s'appuie sur la littérature publiée entre 2018 et 2025, incluant des revues systématiques, des essais contrôlés et des dispositifs réglementaires. Dans le domaine du TSA, des systèmes basés sur la vidéo, les capteurs et l'apprentissage automatique soutiennent le dépistage précoce, à l'instar du dispositif Canvas Dx approuvé par la FDA, bien qu'il génère une proportion substantielle de résultats indéterminés. Pour le TDAH, des tests d'attention instrumentés et des thérapeutiques numériques démontrent des tailles d'effet modérées mais posent la question de l'accès inéquitable aux soins. Concernant la dépression et le suicide, les modèles prédictifs affichent des performances discriminantes correctes mais se heurtent à des biais potentiels et à un manque de validation externe. De plus, l'utilisation d'agents conversationnels par les adolescents révèle une perception parfois paradoxale de ces outils, jugés plus empathiques et non-jugementaux, ce qui modifie la configuration de la relation de soin. En conclusion, si l'intelligence artificielle offre de réelles opportunités pour le repérage et le suivi, les preuves restent limitées et son intégration doit impérativement subordonner ces technologies au jugement clinique et à la protection des données.
- L'intelligence artificielle est évaluée dans le dépistage et le suivi du trouble du spectre de l'autisme, du TDAH et de la prévention du suicide chez les jeunes.
- Les dispositifs réglementés comme Canvas Dx pour l'autisme affichent une bonne précision mais laissent une proportion importante de cas indéterminés.
- Les modèles prédictifs du risque suicidaire et de la dépression atteignent des aires sous la courbe satisfaisantes mais souffrent d'un manque de validation en vie réelle.
Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.
Comprendre l’analyse ↓Analyse du résumé uniquement. Confiance faible dans les informations extraites.
Voir les sources ↓Synthèse détaillée
Synthèse
Cette revue critique examine les utilisations actuelles et émergentes de l'intelligence artificielle en psychiatrie de l'enfant et de l'adolescent à travers trois domaines majeurs : le trouble du spectre de l'autisme, le TDAH, ainsi que la dépression et le risque suicidaire. L'analyse s'appuie sur la littérature publiée entre 2018 et 2025, incluant des revues systématiques, des essais contrôlés et des dispositifs réglementaires. Dans le domaine du TSA, des systèmes basés sur la vidéo, les capteurs et l'apprentissage automatique soutiennent le dépistage précoce, à l'instar du dispositif Canvas Dx approuvé par la FDA, bien qu'il génère une proportion substantielle de résultats indéterminés. Pour le TDAH, des tests d'attention instrumentés et des thérapeutiques numériques démontrent des tailles d'effet modérées mais posent la question de l'accès inéquitable aux soins. Concernant la dépression et le suicide, les modèles prédictifs affichent des performances discriminantes correctes mais se heurtent à des biais potentiels et à un manque de validation externe. De plus, l'utilisation d'agents conversationnels par les adolescents révèle une perception parfois paradoxale de ces outils, jugés plus empathiques et non-jugementaux, ce qui modifie la configuration de la relation de soin. En conclusion, si l'intelligence artificielle offre de réelles opportunités pour le repérage et le suivi, les preuves restent limitées et son intégration doit impérativement subordonner ces technologies au jugement clinique et à la protection des données.
Résultats principaux
L'intelligence artificielle est évaluée dans le dépistage et le suivi du trouble du spectre de l'autisme, du TDAH et de la prévention du suicide chez les jeunes. Les dispositifs réglementés comme Canvas Dx pour l'autisme affichent une bonne précision mais laissent une proportion importante de cas indéterminés. Les modèles prédictifs du risque suicidaire et de la dépression atteignent des aires sous la courbe satisfaisantes mais souffrent d'un manque de validation en vie réelle. Les adolescents rapportent parfois une perception positive des agents conversationnels, qu'ils jugent non-jugeants et accessibles. L'utilisation clinique de ces outils technologiques doit rester subordonnée au jugement du clinicien et ne peut remplacer la relation thérapeutique.
Repères pour la pratique
Les cliniciens peuvent utiliser les outils d'IA comme des aides au dépistage précoce du TSA ou du TDAH, tout en conservant une évaluation critique face aux résultats indéterminés. La vigilance s'impose lors de l'utilisation de modèles prédictifs de la crise suicidaire en raison du risque élevé de faux positifs et de biais algorithmiques. La place grandissante des agents conversationnels nécessite d'aborder ouvertement avec les jeunes patients leur recours à ces technologies dans leur parcours relationnel et de soin.
Limites et précautions
Il s'agit d'une revue critique exhaustive et récente abordant l'intelligence artificielle dans le TSA, le TDAH et les conduites suicidaires, offrant un regard clinique, éthique et méthodologique très utile pour la pratique spécialisée. La synthèse de la littérature est narrative et critique, sans recours à une méta-analyse quantitative formelle. La plupart des modèles prédictifs et des outils numériques manquent de données solides concernant leur impact réel sur les parcours de soins de routine. Les questions d'équité d'accès aux technologies thérapeutiques et de gouvernance des données de santé restent insuffisamment résolues.
Analyse méthodologique
Non déterminable — Le texte intégral n’était pas accessible ; aucune faiblesse méthodologique ne peut être déduite de cette absence.
Le texte intégral ouvert n’était pas accessible. Cela rend la robustesse non déterminable : l’absence d’information n’est pas interprétée comme une faiblesse de l’étude.
Une anomalie documentaire ou méthodologique a été détectée. L’article reste disponible et doit être interprété avec prudence.
Examiner les critères point par point
L'analyse automatisée relève que cette étude, limitée à la lecture du résumé, évalue les technologies numériques et l'intelligence artificielle pour la détection précoce et le suivi des troubles neurodéveloppementaux et psychiatriques chez les enfants et adolescents pour la période 2018-2025. Concernant les conclusions des auteurs, la stratégie de recherche a couvert PubMed/MEDLINE ainsi que des documents internationaux et réglementaires, priorisant divers types d'études pour une synthèse narrative et critique. Les résultats rapportés indiquent une haute précision pour le dispositif Canvas Dx, des effets modérés pour QbTest et EndeavorRx, ainsi qu'une discrimination correcte pour les modèles de prédiction de la dépression et du suicide, bien que ces derniers reposent principalement sur des validations internes. L'analyse NeuroWatch note que le protocole de recherche n'est pas rapporté dans la source analysée, que la taille d'échantillon globale et les données quantitatives précises sont absentes du résumé, et que les principales limitations résident dans la proportion importante de résultats indéterminés, les préoccupations liées aux biais, aux faux positifs, à la gouvernance et à l'absence de tests en routine clinique. Ces observations soulignent la nécessité d'une lecture du texte intégral pour consolider l'évaluation.
protocolNon déterminable
Aucun protocole de recherche ou d'enregistrement préalable n'est mentionné dans le texte.
L’information nécessaire n’est pas rapportée dans la source analysée.risk of biasPoint de vigilance
Les modèles prédictifs et les études soulèvent des préoccupations majeures concernant les biais, et font l'objet d'une validation principalement interne.
Une limitation méthodologique est explicitement documentée.search strategyFavorable
Les bases de données PubMed/MEDLINE ainsi que des documents de référence d'organismes internationaux et du cadre réglementaire européen ont été consultés pour la période 2018-2025 avec des termes combinés.
Un élément méthodologique adéquat est explicitement documenté.study selectionFavorable
Les revues systématiques, méta-analyses, essais contrôlés randomisés, études de cohorte de référence et dispositifs autorisés par la réglementation ont été priorisés.
Un élément méthodologique adéquat est explicitement documenté.synthesis methodFavorable
Une synthèse narrative et critique a été réalisée, sans méta-analyse quantitative.
Un élément méthodologique adéquat est explicitement documenté.Cette analyse est produite automatiquement par une IA à partir des sources indiquées, puis l’appréciation est calculée avec des règles versionnées (scientific_analysis_v2). Elle ne constitue ni une validation par un professionnel ni une recommandation clinique. Consulter la méthodologie.
Classification détaillée
Informations sur l’article
- Publication
- Revue systématique
- Source
- PubMed — TSA diagnostic et outils
- Date
- 21 oct. 2026
- Langue
- Anglais
- Accès
- abstract only
- Licence
- Non déterminée